| 초록 |
이온성 액체는 극성 및 비극성 화합물의 분리 및 용해에 뛰어난 특성을 가지고 있다. 분리 공정에 비해 고효율의 공정을 개발할 수 있기 때문에 최근에는 방향족 탄화수소 추출공정의 용매로써 이온성 액체의 가능성이 주목받고 있다. 이온성 액체의 공정 적용을 위해서는 열역학적 상태 방정식의 매개변수를 규명하는 것이 중요하다. 하지만 이를 규명하기 위해서는 수많은 용질에 대한 정교한 실험이 요구된다. 또한 UNIFAC, COSMO-RS 및 Abraham model과 같은 상태 방정식을 이용한 기존 모델은 용질과 용매의 제한이 있다는 점에서 한계를 보인다. 따라서 본 연구에서는 이온성 액체를 이용한 분리 공정의 특성과 매개 변수를 신속하고 정확하게 제공하기 위해 기계학습 기반 무한희석 활동도 계수 예측 모델을 제안하는 것을 목표로 한다. 먼저, 이온성 액체의 무한희석 활동도 계수 실험값을 문헌을 통해 집한 뒤 인공 신경망 알고리즘을 사용하여 활동도 계수 예측 모델을 개발하고 결정 계수(R2) 및 평균 제곱근 오차(RMSE)를 이용하여 정확도를 평가하였다. 마지막으로, 상태 방정식 기반 모델과 기계학습 기반 예측 모델을 비교하여 기계학습 기반 접근법이 더 많은 용질 수에 대해 높은 정확도를 보이는 것으로 나타났다. 본 연구는 기계학습 기반 접근법을 이용한 이온성 액체의 정확한 활용 전략을 제시함으로써 이온성 액체를 이용한 공정 설계 전략 개발에 기여한다. |
